基于相关性的特征表示的音频损伤识别

音频损伤识别基于在音频文件中发现噪声并对损伤类型进行分类。近来，由于先进深度学习模型的使用，性能得到了显著改善。然而，特征鲁棒性仍是一个未解决的问题，也是我们需要强大深度学习架构的主要原因之一。在多种音乐风格存在的情况下，手工特征在捕捉音频退化特征方面效率较低，且在识别音频损伤时容易失效，并可能错误地学习音乐概念而非损伤类型。在本文中，我们提出一种基于特征对相关性的手工特征新表示。我们通过实验将所提出的相关型特征表示与机器学习中常用的原始特征表示进行比较，并展示了在测试阶段紧凑特征维度和提升计算速度方面的优越性能，同时达到了可比的精度。